背景介绍
车牌识别系统通常包括车牌检测、字符分割和字符识别等三个步骤。其中,字符分割步骤需要切分出车牌图像中所有字符的精确位置,并通过字符识别模块识别出所有的车牌字符。在实际的场景中,车牌字符分割过程容易受到光照变化、尺度变化、透视失真、以及锈迹、污迹、噪声、铆钉、背景等干扰因素的影响,因此,提高字符分割的效果对车牌识别的整体性能具有比较重要的意义。
偏斜校正方法主要有旋转投影法和直线拟合法,前者需要对车牌该图像逐个角度穷举进行剪切变换,然后统计垂直投影数值为0的点数,其最大值对应的角度即为垂直倾斜角。该方法容易受到字符以外区域的干扰。直线拟合法通过对车牌字符区域的左边界点进行直线拟合得到垂直倾斜角。虽然不用逐个角度地对车牌图像进行剪切变换,但左边界点拟合出的直线往往不能真正代表车牌的垂直倾斜方向,检测出的角度误差较大,且受字符左侧噪声干扰太大,鲁棒性较差。
根据中国大陆车牌图像的制定规则,所有的车牌字符具有相同的宽度和高度(字符“1”可认为和其它字符有相同的宽度),并且字符宽度与字符距离之间的比例关系保持不变[12]。首先利用车牌边框和字符排列规则进行旋转和剪切校正。然后对车牌图像的水平梯度图像沿水平方向投影,并通过一组不同长度的方波模板对水平投影数据进行匹配,以确定所有车牌字符的上下边界。最后,对车牌图像的垂直梯度图像沿竖直方向投影,并根据字符宽度与字符间距之间的比例关系,设计另一组由7个方波组成的变长模板。
车牌字符的格式
根据中华人民共和国公共安全行业标准对机动车号牌(GA36-92)的有关规定,可以总结出车牌的特点。中国的车牌根据颜色划分主。要有以下三种类型:白字蓝底白边框的车牌、黑字黄底黑边框的车牌、红字或者黑字白底黑边框的车牌。按照车牌字符排列分为两种:一行七个字符的车牌和上下两行字符的车牌。部分研究人员对中国的车牌照做了一些归纳总结。
对车牌先验知识的总结归纳如下:
1)车牌是一个长方形,高宽比为409mm:90mm=4.45:1;
2)车牌字符的高宽比为90mm:45mm=2:1;
3)车牌字符间有12mm的间隙,其中边框线的宽度为1.5mm。也就是说字符间距是边框线宽度的12mm:1.5mm=8:1倍
4)车牌字符之间的中心距离和高度比为51mm:90mm=1:1.76;
5)车牌区域是纵向小边缘密集区域,并且车牌字符和背景对比度大;
6)车牌区域颜色搭配类型固定,只有蓝白、黄黑、白黑、红黑、红白五种。
车辆牌照的先验知识在车牌颜色分割、连通体分析过程中,对条件约束的设定中起到了很大的作用,可以这么说在以上过程中,真正发挥作用的是参数的设定,这也是难点所在。
在车牌检测过程中经常用到如下有关牌照的先验知识和实验结果:
1)车牌字符的高宽比例在1~3之间(注意:字符“1”的高宽比在3~10之外)。
2)在所拍的车辆照片中,字符像素的聚类面积在10~5000范围内。
3)在所拍的车辆照片中,字符的高度范围在10~200之间,且字符的宽度范围在5~100内。
4)实验所得,包围单个车牌字符的最小矩形中,字符像素所占矩形面积的比例大于10%。
5)实验所得,包围单个车牌字符的最小凸边形中,字符像素所占的凸多边形面积的比例大于10%。
6)车牌区域的总体像素聚类面积,大于数值50。
7)车牌垂直投影分布具有脉冲波分布特性:其中占空比例关系满足 region:gap:key = 45:12:34。
在实际问题中,根据信号的要求设计与其相对应的匹配滤波器。此滤波器的作用在于增强有用信号分量而同时减弱噪声分量,以满足在某一瞬间使输出端信号幅度与噪声幅度之比增至最大。
车牌图像的几何校正
在实际的监控场景中,由于拍摄视角或车辆位置的变化,相机光轴经常偏离车牌平面的法线方向,导致车牌图像不可避免地产生透视失真。由于车牌是整幅图像中一个比较小的局部区域,摇动(Pan)和倾斜(Tilt)产生的“纯”透视失真程度相对较弱,各个车牌字符的宽度或高度仅产生微小的变化,可以忽略其对字符分割的影响。
因此,车牌图像几何校正的关键在于校正车牌图像的旋转和剪切失真。车牌区域存在较长的边框,可以用它来求解图像的旋转角度。但在实际环境中,车牌边框容易受到锈迹、污迹、变形等因素的干扰,造成车牌边框的断裂或缺失,从而影响旋转校正的精度。
对于车牌边框破损严重的情况,该投影在行方向的差分数据在车牌字符的上下边界位置有比较大的峰值或谷值该旋转校正方法具有较宽的适应范围和较高的精度,能够较好地克服车牌边框的质量退化的影响。
在许多情况下,车牌图像还存在不同程度的剪切失真,并导致边缘图像的竖直投影曲线趋向于平缓。
估计上下边界
车牌字符含有丰富的竖直方向的边缘信息,它可以用来确定车牌字符的上下边界。
由于车牌字符都具有相同的高度,对梯度图像进行水平方向投影后,字符区域有比较大的投影值,并且在上下边界附近的投影值存在剧烈的变化。
传统投影方法在车牌图像质量退化比较严重的情况下容易产生切分错误。采用方波模板对投影数据进行匹配。
由于事先不知道字符高度的精确大小,因此可在一定的字符高度范围内设计多个不同大小的方波模板
估计左右边界
根据中国大陆车牌图像的制定规则,标准车牌有7个字符,首位为汉字,次位为英文字母,接下来的5位是英文字母或阿拉伯数字。
其中单个字符的宽度都为45mm,高90mm,第2、3个字符间间隔为34mm,其余字符间隔为12mm。
由于透视失真对车牌图像的影响较弱,对于经过旋转和剪切校正后的车牌图像,可认为相邻车牌字符之间的距离的比例关系保持不变。
传统的投影分析方法根据投影曲线的峰谷特性进行逐个字符的分割,而没有从整体上考虑车牌字符的投影特征,很容易受到各种干扰因素的影响。
变长模板匹配方法综合利用了所有车牌字符的投影特征,能够同时确定车牌字符的宽度和位置,因而具有较强的稳定性和抗干扰能力,如锈迹、污迹、噪声、铆钉等。
实验结果
为了测试基于变长模板匹配的车牌字符分割算法的效果,
本文分别对不同场景中的500幅车牌图像进行测试,这些测试图像包括了影响字符分割效果的几种主要因素,如光照不均匀、尺度变化、透视失真、质量退化、以及锈迹、污迹、噪声、铆钉等。
结论
本文根据车牌字符的几何特征和排列规则,设计了两组不同长度的模板,分别对水平和竖直方向的梯度投影数据进行模板匹配,从而找到所有车牌字符的最佳切分位置。该算法能够避免传统峰谷值分析的缺陷,可以自适应地处理光照不均匀、尺度变化、透视失真、质量退化、以及背景干扰等因素的影响,从而有效地分割出车牌字符的精确边界。
图灵视控(北京)科技有限公司地址:北京市海淀区中关村东路95号自动化大厦
技术服务电话:4008-035-305
在线QQ客服:2298282530
|